学习之角点检测SUSAN

      SUSAN，Smallest Univalue Segment Assimilatating Nucleus的缩写，即最小核值相似区，是由牛津大学的Smith等提出来的。SUSAN算子是一种高效的边缘和角点检测算子，并且具有结构保留的降噪功能（structure preserving noise reduction )。SUSAN使用一个圆形模板和一个圆的中心点，通过圆中心像元值与模板圆内其他像元值得比较，统计出与圆中心点像元值近似的像元数量，当这样的像元值数量小于一个阈值，就被认为是要检测的角点。

    SUSAN角点检测过程如下：

   （1）对于图像中的每个像元，将核放在该像元上；

   （2）利用下式计算模板圆内像元与核像元相似的像元数量，该像元数量即为USAN；

    

   （3）使用下式计算角点的相应值；

     

   （4）使用非最大值抑制，找出角点集。

clear all;close all;clc;
img=imread('7.jpg');
img=rgb2gray(img);
imshow(img);

[m n]=size(img);
img=double(img);

t=45;   %模板中心像素与周围灰度差别的阈值，自己设置
usan=[]; %当前像素与周围在像素差别在t以下的个数
for i=4:m-3       %没有在外围扩展图像，最终图像会缩小
    for j=4:n-3
        tmp=img(i-3:i+3,j-3:j+3);  %7*7模板
        c=0;
        for p=1:7
            for q=1:7
                if (p-4)^2+(q-4)^2<=12   %在其中筛选，最终模板类似一个圆形
                    if abs(img(i,j)-tmp(p,q))<t %判断灰度是否相近，t是自己设置的
                        c=c+1;
                    end
                end
            end
        end
        usan=[usan c];
    end
end

g=2*max(usan)/3;    %确定角点提取的数量，值比较高时会提取出边缘，自己设置
for i=1:length(usan)
    if usan(i)<g
        usan(i)=g-usan(i);
    else 
        usan(i)=0;
    end
end
imgn=reshape(usan,[n-6,m-6])';  %  '转置
figure;
imshow(imgn);

%非极大抑制
[m n]=size(imgn);
re=zeros(m,n);
for i=2:m-1
    for j=2:n-1
        if imgn(i,j)>max([max(imgn(i-1,j-1:j+1)) imgn(i,j-1) imgn(i,j+1) max(imgn(i+1,j-1:j+1))]);
            re(i,j)=1;
        else
            re(i,j)=0;
        end      
    end
end

   imshow(re==1); 

image_in=imread('01.jpg');
image = susan(image_in,27);
imshow(image,[]) 

close all
clc
% check to see if the image is a color image...
d = length(size(im));
if d==3
    image=double(rgb2gray(im));
elseif d==2
    image=double(im);
end
% mask for selecting the pixels within the circular region (37 pixels, as
% used in the SUSAN algorithm
mask = ([ 0 0 1 1 1 0 0 ;0 1 1 1 1 1 0;1 1 1 1 1 1 1;1 1 1 1 1 1 1;1 1 1 1 1 1 1;0 1 1 1 1 1 0;0 0 1 1 1 0 0]);  
% the output image indicating found edges
R=zeros(size(image));
% define the USAN area
nmax = 3*37/4;
% padding the image
[a b]=size(image);
new=zeros(a+7,b+7);
[c d]=size(new);
new(4:c-4,4:d-4)=image;
  
for i=4:c-4  
    for j=4:d-4    
        current_image = new(i-3:i+3,j-3:j+3);
        current_masked_image = mask.*current_image;

%   Uncomment here to implement binary thresholding

%         current_masked_image(find(abs(current_masked_image-current_masked_image(4,4))>threshold))=0;         
%         current_masked_image(find(abs(current_masked_image-current_masked_image(4,4))<=threshold))=1;


%   This thresholding is more stable       
        current_thresholded = susan_threshold(current_masked_image,threshold);
        g=sum(current_thresholded(:));    
        if nmax<g
            R(i,j) = g-nmax;
        else
            R(i,j) = 0;
        end
    end
end
image_out=R(4:c-4,4:d-4);

[a b]=size(image);
intensity_center = image((a+1)/2,(b+1)/2);
temp1 = (image-intensity_center)/threshold;
temp2 = temp1.^6;
thresholded = exp(-1*temp2);

    SUSAN角点检测的一个优点就是对局部的噪声不敏感，抗干扰能力强，因为susan算子不依赖图像分割的结果，避免了梯度计算。使用SUSAN进行角点检测时，有两个重要的参数需要确定。一个是g，一个是t值，阈值g决定了USAN区域的最大值，g值的大小不仅决定了可以从图像中提取的角点的多少，而且还决定了所检测到的角点的尖锐程度。阈值t表示所能检测角点的最小对比度，调节这个参数，一方面可以抑制噪声，另一方面还决定了角点提取的数量。t值越小，可以从低对比度的图像提取的角点，而且，提取的角点数量也越多。